基于文件系统的LLM智能体记忆：组织、演化与可持续性

TL;DR 首次系统探索 LLM 智能体基于文件系统的记忆：组织能将检索成本减半，但当前智能体难以维持有序存储，且组织本身无法提升答案质量；工具集变化可像模型一样重塑记忆，将文件系统从默认假设变为设计空间。

问题

问题背景

随着 LLM agent 被部署到持续交互场景，为 agent 提供长期记忆 成为刚需。一种常见且轻量的做法是将记忆存储为文件系统——一个由 markdown 文件构成的目录树，agent 自身通过通用文件工具进行读、写与重组。然而这一“默认选择”并没有得到系统的理解，多数研究仍专注于为记忆设计专用的检索结构。

现有方法的局限

已有的 agent 记忆方案通常预先定义定制化记忆表征（如向量数据库 + 固定元数据），并在此之上研究检索性能。这种做法绕过了文件系统作为记忆媒介的两个关键假设：

1. 组织的可持续性：当记忆不断积累、产生冲突或变得陈旧时，agent 能否持续保持文件系统的结构清晰与更新一致？
2. 组织的效益：维护这种组织形态（层级、命名、分片）是否真的能提升下游任务的质量，并降低部署成本？

过去的工作几乎不考察记忆随使用而演化的过程，也缺乏对“检索成本与维护成本”之间权衡的量化分析。

为何这一问题是困难且重要的

文件系统记忆位于工程实用性与研究盲区的交汇点。一方面，它是目前部署 agent 时最容易落地的长期记忆方案，工具链成熟且高度可解释；另一方面，它的组织形态完全是涌现式的——取决于 agent 的模型能力、工具集和记忆流——设计空间极大。若放在 bad case 中，混乱的文件树会拖慢检索、增加 token 消耗，甚至误导推理；而过度整理则可能压缩有用信息，浪费计算资源。业界对可持续、低成本的 agent 记忆需求迫切，而文件系统是最有可能平衡这两者的方案之一，但其有效边界尚未被定义。

很像知识库类 AI 产品面临的“笔记整理困境”：当用户笔记爆炸增长时，是否需要 AI 持续重新组织目录？整理到什么粒度才能刚好让后续问答又快又省？——这是一个典型的工程权衡，尚无公认的最优解。

核心洞察

• 文件系统作为 LLM agent 长期记忆的通用抽象，其可持续组织并非默认能力，而是一个需要专门工程支撑的设计空间。以往工作要么预设静态的记忆表示，要么聚焦检索算法，却未检验 agent 自己持续维护文件级组织的能力。本文首次形式化了三个角色协同的记忆维护与查询范式，并揭示：在规模增长下，只有最强管理 agent 才能避免存储结构退化，组织性本身并不会自动转化为更好的回答。这意味着基于文件系统的记忆系统需要显式设计维护策略与评估健康指标。
• 记忆组织带来的核心可靠收益在于检索经济性——当材料量很大时，有组织的存储可将检索成本减半，但答案质量并未因此提升。这一发现打破了‘好组织自然带来好答案’的假设，暴露出从结构到利用的鸿沟：即使检索更快，下游 agent 未必能更有效地利用更结构化的上下文。这提示从业者在设计时需单独评测检索效率与任务效果，避免用组织性指标代替端到端质量。
• 工具集对记忆形状的塑造力与模型能力同等重要，甚至仅改工具就能像换模型一样重塑存储结构。该结论指出 agent 记忆系统设计不应只聚焦模型升级，更要关注给 agent 提供的文件操作、搜索与沙箱工具如何引导其自发形成不同的信息拓扑。这为不带权重微调、仅通过工具接口工程来影响 agent 行为提供了新的实践切入点。

方法

方法概览

本研究首次系统性地探索了基于文件系统（filesystem）的 LLM agent 记忆机制。核心思想是将长期记忆建模为一个由 markdown 文件构成的目录树，agent 通过通用文件工具直接读写与重组，摒弃了定制化的记忆表征与检索模块。

输入 → 关键模块 → 输出

输入

• 对话流（长程对话记录）或任务流（具身交互轨迹）按时间顺序注入。
• 记忆存储初始为空目录，agent 需自行构建并维护。

关键模块 整个系统围绕三个角色运作，它们共享同一文件系统存储：

1. 管理 agent：负责输入内容的集成与组织。它执行以下操作：

   • 接收新的对话块或任务轨迹；
   • 按预定义的分类学契约（taxonomy contract）决定文件创建、合并、拆分或归档；
   • 在文件内进行摘要、矛盾消解、过期记忆清理等可持续性维护，确保存储健康。

2. 搜索 agent：面向查询提供带引用来源的答案。它的设计与记忆形态深度耦合：

   • 在有组织存储下，利用目录层级和文件内部结构进行定向搜索；
   • 在无组织存储（如逐字转储、块检索）下，依赖通用检索工具；
   • 搜索 agent 的提示模板随记忆变体而不同，实现与存储的协同适应。

3. 执行 agent：在技能场景中，产出任务执行轨迹，这些轨迹由管理 agent 蒸馏为可复用的技能，同文件形式存入同一存储中，从而实现声明性记忆与程序性技能的统一。

工具束是独立于模型的另一个关键杠杆。研究对比了三种工具风格：

• 沙盒 shell（完整文件系统操作）；
• 记忆工具风格的函数（如 read_file、write_file、list_directory 等简化接口）；
• 多种搜索工具（如 grep、语义检索）。

实验轴包括：记忆形状（agent 自组织层级 vs. 按会话分文件夹 vs. 无组织堆叠）、流规模、管理与搜索 agent 的模型强度、工具束等。

输出

• 一个结构化的、可持续更新的文件系统记忆库；
• 对查询的答案及其引用来源（由搜索 agent 返回）。

与同类方法的差异 与依赖定制化向量检索或显式记忆槽的方法不同，本文首次将文件系统这一通用默认介质提升为设计空间，系统揭示了组织方式、工具集与模型能力三者的交互作用，并发现存储经济性（检索成本减半）是组织带来的可靠收益，但当前 agent 尚不能将组织转化为更高的答案质量。

实验

实验设计

研究将 LLM Agent 的长期记忆形式化为文件系统：一个由 markdown 文件构成的目录树。实验定义三种角色围绕同一记忆库：管理 Agent 负责整合、组织新内容；搜索 Agent 基于记忆库回答问题并附来源；执行 Agent 提供任务轨迹，提炼为技能（procedural memory），实现陈述性记忆与技能的统一存储。基准覆盖长对话（LoCoMo、REALTALK、PersonaMem 32k/128k）与具身任务场景。

实验变量包括：

• 记忆形态：Agent 自组织层级、原始记录堆、分块检索
• 流规模与工具集（沙盒 shell、记忆工具函数、不同搜索工具）
• 管理/搜索 Agent 的能力强弱

测量指标：答案质量、成本与记忆库在持续增长下的健康度。

关键发现

• 检索经济性：组织良好的记忆库在大规模材料上可将检索成本降低约一半，但该优势未转化为答案质量的提升。
• 组织退化：随记忆增长，除最强管理 Agent 外，其他 Agent 的组织性均会退化；所有 Agent 都无法将组织性本身转化为更好的下游回答。
• 工具集重塑记忆：仅改变工具集就能像更换模型一样强烈地改变记忆库形态，搜索 Agent 会自适应给定库的形态。
• 累积收益：记忆库随规模增长变得更实用，积累本身即可带来得分提升，尤其对弱执行 Agent 增益明显；早期记忆得以保留，维护能力是区分 Agent 能力的关键。
• 技能场景：精心策划的技能+记忆是成本最低的部署方案；最大收益取决于谁来消费记忆。

与基线的深度对比

传统 Agent 记忆系统通常设计专用记忆表示并在其上优化检索，文件系统式记忆则依赖通用文件工具进行自我组织。该研究首次系统检验了默认的自我组织假设：

• 与固定检索基线（如分块检索）相比，自组织层级在减少长尾检索方面占优，但因当前 Agent 维护能力的局限，组织化并未直接改善答案质量。
• 结果显示，文件系统记忆的价值目前主要体现在搜索经济性而非推理效果；未来设计需更鲁棒的维护策略，并协同优化记忆形态与搜索 Agent，方能使组织红利转化为任务性能的跃升。

行业影响

落地场景

文件系统记忆为 LLM 智能体提供了一种通用、可解释的长期记忆层，适用于绝大多数需要跨会话状态持久化的产品：

• 智能客服与对话系统：保存用户历史咨询、投诉与偏好，实现跨会话的个性化交互，避免重复提问。
• 个人 AI 助理与知识管理：持续积累用户笔记、日程与文档，智能体可自主分类、归纳并主动检索相关信息。
• 具身智能体与自动化流程：记录任务执行轨迹并根据成功经验提炼技能，使智能体在重复性工作中越用越强。
• 企业级知识库问答：将产品手册、技术文档与运维记录组织为可演进的目录树，支持溯源引用。

商业价值

论文的核心发现直接指向推理成本下降与服务质量提升两条商业主线：

• 搜索经济：当记忆规模较大时，良好的层次化组织可将检索成本降低约 50%，在大量并发用户场景下直接转化为可观的算力节省。
• 信号增益：即使组织欠佳，纯粹的积累也能带来回答质量的提升（尤其对弱执行智能体），说明部署后持续运行本身就在产生价值。
• 可维护性与合规性：明文 markdown 文件天然可读、可审计，便于人工干预、调试与数据治理，降低黑箱风险。

与现有产品 / 工作流的接口

文件系统记忆几乎零摩擦地嵌入当前技术栈：

• 与 RAG (检索增强生成) 框架：代替固定知识切片，文件系统记忆支持自主增量写入与重组，可将文本块动态插入相应目录，形成活的知识库。
• 与智能体框架 (LangChain、AutoGPT 等)：直接在工具集内暴露 shell 命令或文件读写函数，管理智能体与搜索智能体作为独立模块加入现有流水线。
• 与向量数据库：可互补使用——文件系统作为权威存储与人类可读界面，向量索引用于快速语义检索，二者通过文件路径关联。

具体落地 use case

1. 电商平台智能客服：管理智能体按用户 ID 维护层级化的记忆目录（订单->退换货->偏好），搜索智能体查询时仅需读取相关目录，大幅缩减上下文窗口。即使客服智能体能力一般，记忆积累本身也能提升回复准确率。
2. 医疗记录摘要助手：将检验报告、诊断记录与用药历史存储为按时间与事件编排的 markdown 树，医生查询时系统提供带引用的浓缩摘要。组织良好的存储能让检索更经济，同时文件可读性满足医疗合规要求。

局限

• 实验主要在两个对话基准（LoCoMo、PersonaMem）和一个具身技能设定上开展，**模型范围局限于 GPT‑4/GPT‑4o 等少数几个闭源模型**，未包含 Llama、Mixtral 等开源模型的对照，**管理代理和搜索代理的能力曲线可能不适用于其他模型家族**，结论的可迁移性尚待验证。
• 文件系统的规模仅测试到 128k 上下文窗口，**当记忆体量远超出上下文窗口时（如实际部署中的数万次交互），组织策略是否仍然有效、分层结构能否自维持，均未探讨**；此外，记忆演化实验时长有限，长期运行下的“健忘”和“污染”风险未被测量。
• 论文将记忆形式化为分类契约（taxonomy contract），**但未考虑多模态记忆（图像、代码执行结果）或更结构化的记忆类型（知识图谱）**，这限制了其在复杂代理场景（如代码助手、多模态助手）中的适用性；同时，未与向量检索、混合检索等主流方法做全面对比，**文件系统组织的相对优势边界不够清晰**。